基于LBP纹理特征的运动目标检测算法.docVIP

基于LBP纹理特征的运动目标检测算法 李加佳1，2+ 彭启民1 （1中国科学院软件研究所天基综合信息系统重点实验室，北京，100190） （2中国科学院研究生院，北京，100049） 摘要：在运动目标检测过程中，若两幅图像的光照有变化，则检测结果将会受到影响。局部二值模式（local binary pattern, LBP）描述的是图像的局部纹理特征，具有灰度不变性。据此，本文提出了一种新的基于LBP纹理特征的背景建模方法，先分别计算背景帧和当前帧的LBP纹理特征图，再将背景帧和当前帧的LBP纹理特征图的对应像素异或生成前景概率图，前景概率图描述了当前像素是前景的概率，根据前景概率图自适应的更新背景，可以使背景很快接近真实背景，再用背景减除法得到目标。实验表明，本文提出的算法能有效处理光照的突然变化，背景更新速度快，检测出的目标接近真实目标。 关键词：运动目标检测，光照变化，局部二值模式，背景建模 Motion Object Detection Based on LBP Texture Feature Li Jiajia1,2+ and Peng Qimin1 (1 Science and Technology on Integrated Information System Laboratory, Institute of Software, Chinese Academy of Sciences, Beijing, 100190) (2 Graduate University of Chinese Academy of Science, Beijing, 100049) Abstract: The result of motion object detection will be affected by illumination changes. This paper proposes a novel background model based on local texture feature described by local binary pattern (LBP) which is gray-insensitive. Every coming frame and background is converted into LBP at first. Foreground probabilistic frame is generated by operation of exclusive OR of current LBP and background’s LBP. It represents the probability of a pixel belonging to foreground. Then background can be updated adaptively and fast by foreground probabilistic frame. Experimental results demonstrate the effectiveness of the proposed approach in dealing with sudden illumination changes. It can relative precisely obtain moving objects and update background model quickly. Key Words: motion object detection; illumination change; local binary pattern; background model 0引言 运动目标检测是计算机视觉领域的一个重要研究课题，在智能视频监控、人机交互、视觉导航等许多领域有着广泛的应用。它处于整个视频处理系统的最底层，是各种后续高级处理如目标跟踪、目标分类、行为识别、场景理解等的基础。 目前常用的运动中的面目标的检测方法有光流法、帧间差分法、背景建模法。光流法[1]计算量大，且对噪声比较敏感，对硬件要求较高，实时性和实用性较差，不能处理光照变化的情况，尤其是当场景中有光照突变时效果很差。帧差法[2]用不同时刻的两到三帧图像相减实现时域差分，这种方法对动态变化的场景非常有效，能在一定程度上处理光照的缓慢变化，但当光照发生突然变化时，不能有效的检测出目标。背景建模法利用当前图像与背景图像的差分来检测出运动目标[3-6]，计算速度快，通常能提供较完整的特征数据，但建模得到的背景图像对光照变化比较敏感，会出现很多伪目标点。如Cheng等[7]提出一种光照敏感的背景模型（ISBS），该算法对光照缓慢变化效果良好，但不能处理光照突变的情况。